El tiempo subjetivo

La experiencia del tiempo es subjetiva. Es construida por el cerebro. Un reciente estudio con fMRI investiga este fenómeno.
Un momento de miedo puede parecer eterno mientras que hay ocasiones en las que las horas parecen volar. Nuestra experiencia del tiempo es subjetiva y solo aproximadamente se corresponde con el tic tac del reloj.

En el estudio "El sustrato neural del paso subjetivo del tiempo" los experimentadores realizan un sencillo test. Presentan a los observadores un punto en la pantalla y le piden que estimen durante cuanto tiempo el punto está presente. Cuando el punto es estático, la medida subjetiva estimada es aproximadamente correcta. También se presentan un punto que avanza hacia el observador y otro que retrocede. Cuando el punto retrocede, los observadores estiman también correctamente el tiempo que este está en pantalla. Pero cuando el punto avanza, el tiempo estimado es superior al tiempo real.
Algo que avanza hacia nosotros es una amenaza potencial y llama nuestra atención. Aunque no hay un modelo claro de tiempo subjetivo, parece que hubiera un marcapasos interno. Cuando acumulamos más pulsos internos en el mismo tiempo real, aceleramos el reloj interno y parece que el tiempo se detiene, que ocurren más cosas en el mismo tiempo externo y que cada evento dura más. Cuando más energía ponemos en procesar un estímulo, más largo parece que es. Es lo que sucede con el punto que avanza.
El estudio se realizó mientras se escaneaba a los individuos mediante resonancia magnética. fMRI. El estudio mostró que tanto el punto que retrocede como el que avanza estimulan la llamada "red de control central" orientada a tareas. 

En cambio, solo el punto que avanza activa la Red Neuronal por Defecto (DMN). La DMN se activa típicamente en tareas como la ensoñación, la introspección, relativas al "yo", visualización del futuro o recuerdo del pasado. Esto parece indicar que el tiempo subjetivo está relacionado con la activación de áreas relativas a la atención hacia sí mismo o conciencia subjetiva, que el tiempo subjetivo es un proceso de autorreferencia.

Entrevista a Dharmendra Modha en la revista Wired

Los que sigue es una entrevista realizada a Dharmendra Modha por la revista Wired. En ella habla del nuevo chip sináptico desarrollado por IBM. La traducción está googlelizada. Recomiendo el original.

Wired.com: ¿Por qué desea que los ordenadores aprendan y trabajen como los cerebros?

Dharmendra Modha: Vemos una necesidad creciente de que los ordenadores sean adaptables, de desarrollar una funcionalidad que hoy no pueden alcanzar. Los ordenadores actuales pueden realizar cálculos rápidos. Son el hemisferio izquierdo del cerebro, y son inadecuadas para el cálculo del estilo del lado derecho del cerebro como el reconocimiento del peligro, los rostros de amigos y así sucesivamente, que nuestro cerebro hace sin esfuerzo.

Una analogía que me gusta usar: Usted no conducir un coche con medio cerebro, sin embargo, hemos estado usando un solo tipo de ordenador. Es como añadir otro miembro a la familia.

Wired.com: Entonces, usted no ve SyNAPSE como un reemplazo de los ordenadores modernos?

Modha: Veo cada sistema como un complemento. Los ordenadores modernos son buenos en algunas cosas - han estado con nosotros desde ENIAC , y creo que estarán con nosotros a perpetuidad - pero no son adecuados para el aprendizaje.

Un ordenador moderno, en su forma elemental, es un bloque de memoria y un procesador separados por un bus, la vía de comunicación. Si desea crear un ordenador como el cerebro, es necesario emular a los estados de las neuronas, las sinapsis, y las interconexiones entre las neuronas en memoria, los axones. Tiene que leer los estados neuronales en la memoria, envíarlos al procesador a través del bus, actualizarlos, enviarlos de vuelta y almacenarlos en la memoria. Es un ciclo de almacenar, recuperar, actualizar, almacenar ... y así sucesivamente.

Para ofrecer un rendimiento en tiempo real y útil, tiene que ejecutar este ciclo muy, muy rápido. Y eso conduce a velocidades de reloj cada vez mayores. ENIAC funcionaba a unos 100 KHz. En 1978 fueron 4,7 MHz. Los procesadores de hoy en día son alrededor de 5 GHz. Si desea tasas más rápida y un reloj más rápido, lograrlo requiere la creación de dispositivos cada vez más pequeños.

Wired.com: Y ahí es donde nos topamos con problemas, ¿verdad?

Modha: Exactamente. Hay dos problemas fundamentales. El primero es que, muy pronto, nos enfrentaremos a límites físicos. La madre naturaleza nos va a detener. La memoria es el siguiente problema. A medida que se acorta la distancia entre los elementos de pequeño tamaño, la fuga de corriente aumenta a un ritmo exponencialmente mayor. En algún momento el sistema no es útil.

De modo que hemos dicho: vamos a retroceder unos pocos millones de años. Las neuronas funcionan alrededor de 10 Hz, en promedio. El cerebro no tiene frecuencias de reloj cada vez mayores. Es una red social de las neuronas.

Wired.com: ¿Qué quiere decir por una red social?

Modha: Los vínculos entre las neuronas son las sinapsis, y eso es lo importante: cómo está cabñeado el cerebro. ¿Quiénes son sus amigos, y a qué distancia están? Usted puede pensar en el cerebro como un sistema de computación masiva, masivamente paralelo y distribuido.

Supongamos que desea mapear este cálculo nreuronal en uno de los ordenadores de hoy. Son poco adecuados para ello e ineficientes, por lo que estamos buscando en el cerebro un enfoque diferente. Vamos a construir algo que se parezca a nivel básico, y ver si funciona. Crear un sustrato masivamente paralelo y distribuido. Y eso significa, al igual que en el cerebro, acercar la memoria al procesador.

(...)

Wired.com: En el cerebro, las conexiones neuronales son plásticas. Cambian con la experiencia. ¿Cómo puede algo cableado hacer esto?

Modha: La memoria mantiene el estado de las sinapsis y se puede adaptar en tiempo real para codificar las correlaciones, las asociaciones y de la causalidad o la anticausalidad. Hay un dicho por ahí, "las neuronas que disparan juntas, se conectan entre sí." El disparo de las neuronas puede fortalecer o debilitar las sinapsis a nivel local. Así es como el aprendizaje se ve afectado.

Wired.com: Así que supongamos que tenemos un equipo a gran escala que aprende. ¿Cómo conseguir que haga algo útil?

Modha: Esta es una plataforma de tecnología que se adapta a entornos ubicuos y cambiantes. Como el cerebro, hay casi una variedad ilimitada de aplicaciones. El cerebro puede tomar la información de la vista, tacto, oído, olfato y otros sentidos e integrarlos en modalidades. Por modalidades que quiero decir eventos como hablar, caminar, etc.

Esas modalidades, el cálculo completo, se refiere a las conexiones neuronales. Su fuerza, su ubicación, quién habla con quién. Es posible configurar algunas partes de esta red para diferentes propósitos. Hay cosas que son universales a todos los organismos con un cerebro: la presencia de un borde, texturas, colores. Incluso antes nacer se pueden reconocer. Son naturales.

Reconocer la cara de su madre, a través del aprendizaje, viene después. Imagínese una jerarquía de técnicas de programación, una red social de chips neuronales que hablan y pueden adaptarse y reconfigurarse para llevar a cabo las tareas que usted desea. Ese es nuestro objetivo.

Cognitive Computing: Neurociencia, supercomputación y nanotecnología según Dharmendra Modha de IBM

Dharmendra S. Modha es director del departamento Cognitive Computing de IBM. En un paper y un vídeo resume el estado del arte de su trabajo basado en neurociencia, supercomputación y nanotecnología. IBM acaba de presentar los primeros prototipos de un chip sináptico inspirado en la computación biológica.
Aunque poco conocido, en mi opinión su trabajo es el más prometedor en la actualidad en cuanto a la simulación y comprensión del cerebro. Un ingeniero rodeado de un formidable equipo que pretende dos cosas: comprender y simular el cerebro y desarrollar un nuevo modelo de chips que supere el modelo Von Neumann del que acaba de presentar los primeros prototipos.

El equipo esá formado por su departamento en IBM, varias universidades y la agencia estatal DARPA (U.S. Defense Advanced Research Projects Agency) que financia el proyecto Synapse (Systems of Neuromorphic Adaptive Plastic Scalable Electronics).
Históricamente dos enfoques se han usado para explorar las relaciones mente ordenador. El enfoque top-down está en la base de la Inteligencia Artificial fuerte. También en la neurociencia cognitiva. El problema es que hay múltiples posibles soluciones para resolver un problema cognitivo, una de las cuales es el cerebro. El enfoque bottom-up parte de los datos neurocientíficos para escalar hacia arriba el funcionamiento del cerebro. El enfoque de cognitive computing es hacer operacionales los enormes conocimientos que aporta la neurociencia usando simulaciones a gran escala.
 Neuroanatomía
La conectividad del cerebro es poco conocida. Es sin embargo fundamental. Se conoce la existencia de columnas corticales. Están formadas por 10.000 neuronas y responden todas ellas a un único estímulo. Están organizadas en 6 capas y son iguales en todos los mamíferos. Son, después de la neurona, la unidad básica de procesamiento. La diferencia entre un mamífero y otro (hombre y rata) es el número e interconexión de estas columnas. Estas columnas forman las áreas corticales (vista, movimiento...) y establecen entre ellas conexiones a corta y larga distancia en el cerebro.
El proyecto Conectoma se basa en la difusión del agua a través de los axones medida por MRI para averiguar las conexiones. El departamento de Modha ha refinado algoritmos para mejorar su conocimiento (BlueMatter). Pero es una técnica que, aunque prometedora y no invasiva, da falsos positivos y falsos negativos.
El proyecto CoCoMac resume los datos de cientos de experimentos realizados en el cerebro del macaco, vía a vía. Se inyecta un tinte y se sigue su trayectoria. Modha y su equipo han sistematizado todos estos datos recogidos durante décadas por neurocientíficos. El resultado es un mapa de conexiones en el que se destacan las diversas áreas y su conectividad.

Después han tratado de averiguar cuales son las áreas centrales al sistema. Para ello eliminan las áreas periféricas (que tienen pocas conexiones de entrada o salida) como si se pelaran las capas de una cebolla. Los resultados parecen indicar que el cerebro responde a criterios de restricciones físicas y es muy eficiente. El córtex prefrontal, con muchas conexiones no es físicamente central pero si es topológicamente central. En una red normal (eléctrica, de ordenadores, facebook...) tres peladas son suficientes. En el cerebro se necesitan más de veinte. peladas para encontrar el  núcleo de la red. Esto se ha realizado con datos estructurales. Se ha tratado de averiguar si este núcleo estructural es también funcional. Cuando un mono realiza una tarea positiva se activan unas redes y cuando no hace nada (tarea negativa) se activan otras distintas (Red Neuronal por Defecto DMN) Ambas redes son anticorrelacionadas. Los resultados indican que ambas redes están en el núcleo de las conexiones derivadas de los estudios CoCoMac.
Incorporar los datos del Conectoma y CoCoMac al simulador es tarea esencial de Cognitive Computing.
Neurofisiología.
La unidad básica de computación neural es la neurona (y aquí Modha hace la obligada cita a Santiago Ramón y Cajal). Elegir el nivel de simulación de la neurona es clave. Usando una analogía se puede usar un telescopio, un microscopio o unos prismáticos. Modha evita usar modelos biológicamente detallados de neuronas como NEURON o GENESIS. En su lugar usa una neurona fenomenológica: tiene entradas y salidas, implementa sinapsis, algún neurotransmisor, potenciales de acción (spikes) y plasticidad sináptica o aprendizaje según el modelo de Donald Hebb: "las neuronas que se disparan juntas, se conectan entre sí". Esto reduce enormemente los requerimientos computacionales y preserva la funcionalidad del modelo.
Simulación a gran escala
C2 es el simulador elegido. Con él han realizado simulaciones a gran escala. La mayor es del nivel del cortex del gato. Los desafíos computacionales a los que se enfrentan tales simulaciones son enormes. Cientos de miles de procesadores y terabytes de memoria para actualizar casi en tiempo real miles de millones de sinapsis y potenciales de acción.
Es muy importante resaltar que tales simulaciones no simulan ningún comportamiento real hasta la fecha. Los datos provenientes del conectoma deben actualizar el modelo.
El simulador no es una respuesta sino una herramienta en la que formular hipótesis sobre la computación neural.
En una década la potencia de los superordenadores permitirá simulaciones a escala cortical humana.
Pero con un enorme problema de espacio y consumo eléctrico. Frente a 20 vatios que consume el cerebro, se necesitarán 100.000.000 vatios.
Futuro. Chip sináptico

"Este no es el final, ni siquiera es el principio del final, pero es, quizás, el final del principio..." Winston Churchill:

La solución es desarrollar un nuevo modelos de chips que supere el paradigma actual de la arquitectura Von Neumann. Esta se compone de procesador, memoria y bus que los conecta. El bit se lee de la memoria y se lleva al procesador, allí se cambia y se mueve de vuelta para almacenarlo en memoria. Hay un único procesador y el bus es un cuello de botella. Depende del reloj y actualmente la frecuencia es de 5GHz.
La arquitectura del cerebro está dirigida a eventos y es distribuida. Los datos no se mueven y el aprendizaje es hebbiano.

La computación moderna plantea un modelo de programa almacenado, tradicionalmente implementado en circuitos frágiles, digitales, sincrónos, en serie, centralizados, rápidos, conectados por cable, de uso general, con direccionamiento explícito de memoria que impone una dicotomía entre programas y datos. En marcado contraste, el cerebro utiliza unidades de computación replicadas, las neuronas y las sinapsis, implementadas en un modo mixto analógico-digital, asíncronas, paralelas, distribuidas, lentas, reconfigurables, especializadas, con un sustrato biológico tolerante a fallos, con direccionamiento implícito de memoria donde se desdibuja la frontera entre computación y datos.

Ya hay dos prototipos de chips sinápticos. Ambos núcleos fueron fabricados en 45 nm SOI CMOS, y contienen 256 neuronas. Un núcleo contiene 262.144 sinapsis programables y el otro contiene 65.536 sinapsis de aprendizaje. El equipo de IBM ha demostrado con éxito aplicaciones sencillas como la navegación, la visión artificial, reconocimiento de patrones, memoria asociativa y la clasificación. 

El desarrollo del chip pasará por varias fases. En la fase 1 tendrá 10^6 sinapsis. Después 10^10, 10^12 y 10^14
El chip debe ser reconfigurable con plasticidad sináptica y estructural (nuevas conexiones)
Cada subárea cortical es un chip y la interconexión de varios de ellos representará el cerebro.
Conclusiones.
El impulso interdisciplinar de ingenieros y neruocientíficos en sus muchas ramas permitirá ir poco a poco desvelando los misterios del cerebro y refinando los modelos de simulación.
Dos son los objetivos últimos. Comprender el cerebro es uno. Desarrollar un nuevo modelo de computación es el otro.

Entrevista en Radio 3 a Sinapsis. Fallo de sistema - Singularidad en el horizonte -

He sido entrevistado en el programa de Radio 3 Fallo de Sistema, en el capítulo llamado Singularidad en el horizonte.
Adjunto el podcast

• A la carta
• > Radio
• > Radio 3
• > Fallo de sistema
• > Fallo de sistema - Singularidad en el horizonte - 24/07/11

Os recomiendo el programa entero. Tras la presentación inicial, mi  participación transcurre entre los minutos 07:10-17:10 y 35:10-43:10.
En el programa hablamos del Test de Turing, el proyecto Blue Brain, la tecnología BCI, el Conectoma, el reconocimiento de voz, la ciencia ficción y la Singularidad que da título al programa.
Además  de mi entrevista, Santiago Bustamente habla del videojuego Portal 2 y  por último, en la Nave Sónica de se hace "un recorrido por todas  aquellas películas en las que la máquina  termina rebelándose a guantazo  limpio contra sus creadores".

Clonación presidencial en el Incal de Jodorowsky y Moebius

El genial dibujante Moebius y el guionista Jodorowsky crearon la saga del Incal en los 80s. Narra las aventuras del pobre detective John Difool en el futuro. En uno de los libros ocurre la novena clonación presidencial propiciada por los avances de la ciencia Tecnos.
Algo más allá de los temas tratados en este blog como la singularidad o la tecnología BCI (Interfaz Cerebro Máquina) este apunte de humor me sirve de enlace para desearos desde Sinapsis que tengáis unas felices vacaciones.

(Haz clic para agrandar la imagen)

 

Los límites de la inteligencia

¿Cuales con los límites de la inteligencia. ¿Limitan las leyes físicas la capacidad de nuestro cerebro de ser más inteligente?

Scientific American publica un interesante artículo que comienza, cómo no, refiriendo una comparación de Santiago Ramón y Cajal. Según el ilustre español, el cerebro de un insecto es como un reloj de pulsera mientras el de un mamífero parece el reloj de pared del abuelo. Y ello a pesar de que los insectos resuelven determinadas tareas, como los laberintos, tan bien como los mamíferos. Pero lo cierto es que los mamíferos somos más inteligentes, aunque ello conlleva algunos costes.
Un elefante tiene un cerebro millones de veces más grande que un insecto. Las señales nerviosas tienen un camino 100 veces más largo. Esto les lleva a ser más lentos, fiarse menos de los reflejos y realizar complejas planificaciones para cada paso que dan.
¿Y los humanos? Desde luego el canal del parto supone una seria limitación aunque un desarrollo aún más prolongado podría resolver este problema. Pero existen otros impedimentos. El tamaño del cerebro, el número neuronas, el número de conexiones o la velocidad a las que estas se disparan parecen haberse acercado a sus límites. Dicho de otra forma, una inteligencia basada en neuronas, como la humana, se rige por la ley de los resultados decrecientes: es necesaria mucha inversión para obtener una pequeña mejora en el rendimiento.
El tamaño del cerebro.
Una medida sencilla de realizar es la del tamaño del cerebro. Durante décadas han sido medidos los cerebros de miles de especies animales. Un cerebro más grande puede contener un número mayor de neuronas, una mayor complejidad y una mayor inteligencia. Sin embargo una vaca es apenas más inteligente que una rata. El motivo es que un cuerpo mayor obliga a destinar un mayor número de neuronas a controlar el cuerpo: superficie de la piel, mayores músculos, más sensores y eso no significa mayor inteligencia. Por ello lo importante es la relación entre el peso del cerebro y el peso corporal. Se ha calculado que, en los mamíferos, el peso del cerebro aumenta más despacio que el peso del cuerpo, en concreto en una relación de 3/4. Basada en esta medida se calculó el llamado cociente de encefalización que es la medida en que el peso del cerebro se desvía del cálculo que pronostica el peso corporal. El cociente humano es 7,5 (nuestro cerebro es 7,5 veces más grande de lo que sería esperable por nuestro peso corporal), el del delfín es 5,3, el de un mono es 4,8 y el de un buey es 0,5.
Aumentar el tamaño del cerebro puede comportar más inteligencia, pero a un precio muy elevado. El cerebro humano es un 2 % de nuestro peso pero consume un 20% de las calorías que comemos y en los recién nacidos la cifra llega hasta un 65%.
Un cerebro más grande cos serviría para ¿tener más neuronas? ¿más conexiones?
Conectividad
Según crece el cerebro, aparecen nuevos problemas como el número de neuronas, su conectividad y su tamaño.
Cuando el tamaño del cerebro aumenta, aumenta también el tamaño de las neuronas. Más tamaño del cerebro supone más neuronas que deben interconectarse y para ello el tamaño de cada una debe aumentar. Pero neuronas más grandes llevan a un empaquetamiento menos denso por lo que deben de estar más separadas entre sí lo que obliga a que los axones que las conectan sean más largos y ello hace que los tiempos de conexión sean más lentos. Para compensarlo es necesario que los axones sean más gruesos (un axón más grueso es más rápido).
Esto ha llevado a la creación de áreas funcionales donde un problema se resuelve en un espacio pequeño antes de que la respuesta viaje a sitios remotos del cerebro y reduce el flujo de información entre áreas.
Aumentar el tamaño del axón lleva a un gran incremento del consumo energético. A su vez una enrome parte del cerebro sería materia blanca (axones) en lugar de materia gris (cuerpos celulares)
De modo que hay que optimizar varios parámetros simultáneamente lo que no parece posible, cuando mejoras uno, empeoras el otro. Así, cuando aumenta el tamaño del cerebro, aumenta el tamaño de la neurona pero no lo suficiente para mantener la conectividad. Y también aumenta el grosor de los axones pero no lo bastante para mantener las demoras en la transmisión de la señal nerviosa.
La primacía de los primates

Menor densidad de neuronas en el área 10 en humanos (dcha) que en chimpancés (izqda) permite mayor número de conexiones

Sin embargo, los primates han sido capaces de aumentar el tamaño del cerebro y el número de neuronas y que estas aumenten poco su tamaño. Algunas son más grandes pero la mayoría no. Si un roedor tuviera los 100 mil millones de neuronas que tiene un humano, el peso de su cerebro sería de 45 kilos. Este denso empaquetamiento permite que aumente el número de neuronas corticales y se mantengan la velocidad de las conexiones.
Pero todo tiene un límite. El área 10 de Brodmann, situada en el lóbulo frontal, encima de los ojos, tiene relación con el pensamiento más abstracto y sofisticado. En este área, las neuronas humanas están más espaciadas que las del resto de los primates debido a que tienen más conexiones.
Diseño inteligente.
El cerebro humano sería más eficiente si los axones pudieran ser igual de rápidos siendo más delgados. Pero de nuevo el diseño parece haber llegado a sus límites. La unidad básica de generación eléctrica de los axones es el canal iónico. Estos son pequeñas proteínas que se abren y cierran permitiendo el paso de iones cargados eléctricamente entre el interior y el exterior de la neurona. Pero son tan pequeños que minúsculos cambios pueden hacer que se disparen. De hecho no son muy fiables y a veces parece que se disparan aleatoriamente. ¿Es un mal diseño? No, es de nuevo un compromiso. Si fueran más seguros serían más caros de mantener energéticamente y si fueran menos seguros producirían mucho "ruido", es decir, la señal global no sería fiable. Así que parece que un suficiente número de ellos mantiene la probabilidad global de disparo de la neurona, como si "votaran". Por lo tanto, al reducir el tamaño del axón y el número de canales, la neurona generaría mucho ruido y su comportamiento sería aleatorio. De nuevo parece que el tamaño de los axones se acerca a su límite físico.

 Este compromiso entre información, energía y ruido no es único en la biología. Los chips de los ordenadores sufren el mismo problema. Con una tecnología de 45 nanómetros, estamos acercándonos a los límites del átomo y cada nuevo procesador tiene más problemas de diseño, fiabilidad y calor.

Los diseñadores de transistores pueden cambiar por completo la tecnología para solucionar sus problemas. Pero la evolución no puede empezar desde cero. Los sistemas basados en neuronas parecen haber encontrado unos límites que ni la misma evolución puede superar.

Kludge. El cerebro accidental de David Linden.

El cerebro es un kludge (klumsy (torpe), lame (poco convincente), ugly (feo), dumb (tonto), but good enough (pero bastante bueno)) según escribe David Linden en su libro "El cerebro accidental".
Linden trata de refutar la creencia de que el cerebro es la máxima expresión de un diseño inteligente. Por el contrario, es más bien un poco chapucero en su génesis y evolución y en su funcionamiento. Su diseño es poco elegante y se ha construido con partes del pasado: durante millones de años ha ido incorporando y superponiendo estructuras sin mucho orden que a veces se entorpecen entre ellas. Su componente básico, la neurona, es un dispositivo antiguo y lento. La cabeza no cabe por el canal del parto y debe de salir inmadura necesitando muchos años hasta su completa formación. Un órgano tan complejo como el cerebro es candidato a malfuncionamiento y a múltiples patologías.

Todo esto es un puro disparate. El cerebro no ha sido diseñado de una manera elegante ni mucho menos: es un revoltijo improvisado que, sorprendentemente y pese a sus cortocircuitos, logra realizar una serie muy impresionante de funciones.. Pero si bien la función general es impresionante, no cabe decir lo mismo de su diseño.

Sin embargo, la tesis principal del libro, arriba reseñada pronto es abandonada por el autor. El cerebro accidental es más bien un manual introductorio de neurociencia, ameno,  bien escrito y útil para adentrarse en el mundo del cerebro. A lo largo de sus capítulos habla de sensación y emoción, de aprendizaje, memoria e individualidad humana, de amor y sexo, de dormir y soñar y del impulso religioso.
No hace Linden especial hincapié en algunas de las maravillas del cerebro en comparación con los productos humanos como los ordenadores. En concreto obvia la eficiencia energética, la autoreparación y auntoconfiguración (plasticidad).
Uno de los casos más fascinantes de kludge es el de la visión ciega. El cerebro antiguo (cerebro medio) es una estructura desarrollada cuando eramos ranas. Contiene centros de visión y audición. Los mamíferos hemos desarrollado estructuras superiores que complementan y reemplazan el cerebro medio: se trata de la corteza cerebral con sus áreas visuales y auditivas. Aún conservamos el cerebro medio con escasa utilidad (sirve por ejemplo para orientar los ojos). Una persona con lesión en el área visual del córtex no ve nada. Si le pedimos que agarre un objeto dirá que no puede, que no ve. Sin embargo, si insistimos, conseguirá agarrarlo en un elevado porcentaje de los casos. El área visual de su cerebro medio guía su mano.

El orden de las palabras y el principio de efabilidad

La evolución de las estructuras lingüísticas muestra que el orden de las palabras depende del linaje de la lengua, según un estudio publicado en Nature. Cada familia de lenguas tiene su estructura específica y el orden de las palabras no se rige por constantes universales.

Una de las fuentes más importantes de variación entre las lenguas es el orden de las palabras en la oración. Existen unos 7.000 lenguas vivas, algunas con una docena de sonidos, otras con más de 100, algunas con patrones complejos de formación de palabras, otras que solo usan palabras simples, algunas con el verbo al principio, otras en el medio y otras al final.
Algunas características controlan el orden, como es el uso de las preposiciones. En las lenguas occidentales europeas se usan preposiciones, pero en otras lenguas se usan postposiciones: "la casa en". Se compara si varias características covarian, por ejemplo si cuando el orden es verbo-objeto, también es preposición-nombre y por lo tanto cuando es objeto-verbo, cambia a nombre-postposición.

El estudio se ha realizado usando métodos estadísticos con un amplio grupo de lenguas. Austronesio (con unas 1,268 lenguas y una antigüedad de 5,200 años), Indo-Europeo (unas 449 lenguas y una antigüedad de 8,700 años), Bantú (unas 668 o 522 para Narrow Bantú y antigüedad de 4,000 años) y Uto-Azteca (unas 61 lenguas y una antigüedad de 5,000 años).
El estudio sugiere que es que "la estructura del lenguaje no se establece por características innatas del procesador cognitivo del lenguaje (como sugieren los generativistas de Chomsky), o por una preocupación de "armonizar " el orden de las palabras (según lo sugerido por los universalistas estadísticos de Joseph Greenberg)."

Una de las principales consecuencias es que para entender cómo las lenguas se han desarrollado, tenemos que entender el rango de diversidad de las lenguas humanas. Con una lengua por término medio que se extingue cada dos semanas, la capacidad de entender esto se está perdiendo rápidamente.

Lo que el análisis actual revela inesperadamente es que las relaciones sistemáticas entre rasgos tienden a ser una excepción y no la regla. La diversidad lingüística no parece estar estar limitada por factores cognitivos universales especializados en el lenguaje. En cambio, es el producto de la evolución cultural, canalizada por sistemas que han evolucionado durante la diversificación, de modo que los futuros estados se encuentran en un paisaje evolutivo con los canales y las cuencas de atracción que son específicos de linajes lingüísticos.

Principio de efabilidad
El estudio sugiere que el orden de las palabras en una lengua está determinado por razones de evolución cultural más que por universales cognitivos, lo que no implica que los universales cognitivos no existan. Las lenguas se diferencian hasta el punto de que dos hablantes de distintas lenguas no se entienden en absoluto. Pero el estudio del orden de las palabras indica que sus similitudes son muy grandes lo que si parece apuntar a que existan universales cognitivos y módulos cerebrales de lenguaje (como muestran todos los estudios  anatómicos desde Paul Broca). Ciñéndonos a la pura lingüística, todos los idiomas comparten un enorme número de características.  El estudio habla del orden Sujeto-Verbo-Objeto y establece que todas las combinaciones son posibles (SVO, VSO, SOV...)  aunque SVO es mayoritaria. Lo que muestra además es que todos los idiomas tienen Sujeto, Verbo y Objeto aunque se ordenen de distinta forma. Más aún, todos los idiomas estudiados tienen preposición (o postposición). Y sospecho que todos los idiomas del mundo tienen determinante, adverbio, conjunción, género, número, tiempo verbal... Lo que me lleva a recordar el principio de efabilidad que dice que todo lo que se puede expresar en una lengua se puede expresar en otras.

Lobotomía: el picahielos de Walter Freeman

Los detractores de la ciencia desprecian el hecho de que esta rectifica sus errores. Aunque determinados errores producen escalofríos como la historia de la lobotomía y el picahielos de Walter Freeman.

Tras algunos intentos previos, puede considerarse a Antonio Egas Moniz como el inventor de la lobotomía. Este neurólogo fue el primer portugués que recibió un Premio Nobel. Tuvo una carrera política de primer nivel siendo embajador en Madrid y Ministro de Asuntos Exteriores. Su contribución a la medicina fue notable, incluyendo la angiografía cerebral, una de las primeras técnicas de neuroimagen.  La importancia de Moniz quedó desfigurada por sus trabajos con la lobotomía aunque estos están reseñados en la entrega del Nobel que entre otras cosas se produjo "por su descubrimiento del valor terapéutico de la lobotomía en determinadas psicosis". Moniz fue el primer presidente de la Sociedad Española de Neurocirugía, la segunda del mundo. En 1939 un paciente descontento le disparó produciéndole una parálisis que le obligó a usar silla de ruedas de por vida.

Pero fue con Walter Freeman con quien la lobotomía alcanzó su máxima expresión. Ya se había observado que produciendo un agujero en el cráneo y rebañando el interior del lóbulo frontal, el paciente quedaba permanentemente sedado y los síntomas de agitación desaparecían ( y naturalmente todas las funciones cognitivas superiores asociadas a ese área cerebral). A Freeman le pareció que perforar el cráneo era a la vez muy invasivo, costoso y lento, de modo que refinó las técnicas previas para alcanzar la perfección de la lobotomía transorbital.

La técnica consiste en introducir un punzón (y al parecer la historia del picahielos es cierta aunque él desarrolló un eficiente punzón llamado orbitoclasto) por encima del ojo hasta llegar a la base del cráneo. Con un martillo se golpea el punzón de modo que el hueso encima del ojo cede con facilidad. Después se menea el punzón con energía lo que destruye el área cerebral por encima del ojo. Y ya está. El paciente debe de usar gafas de sol durante unos días para ocultar los hematomas alrededor del ojo. La técnica es tan bárbara como simple.

La lobotomía siempre tuvo detractores, pero Freeman se convirtió en un fenómeno mediático en USA, invitando incluso a la prensa a sus operaciones y dejándose fotografiar en medio de las mismas. Usando apenas 10 minutos por operación, Freeman se lanzó a conquistar América montado en su flamante lobotomóvil. Cuando llegaba a un hospital, ya habían preparado a los enfermos y él los operaba en serie, decenas de ellos en el mismo día. Freeman también instruía a otros médicos que realizaron miles de operaciones. Él solo realizó 2.500 lobotomías en 23 estados. Se calcula que se realizaron unas 40.000 lobotomías en USA y 17.000 en UK. Otros países menos desarrollados no se vieron beneficiados por tan notable éxito científico.

Freeman lobotomizó a Rosemary Kennedy, hermana del futuro presidente John F. Kennedy, a la edad de 23 años dejándola incapacitada de por vida. Las operaciones se realizaban a menudo sin el consentimiento del paciente y Freeman operó a varios menores de 18 años. En una época en la que no existía ningún tratamiento para los enfermos mentales y en la que estos se hacinaban en los psiquiátricos, Freeman los operaba y los mandaba a casa. Una de las veces en las que fue criticado, extendió sobre la mesa un montón de cartas de agradecimiento que recibía de los familiares.
Una de las más sonadas operaciones fue la del revoltoso niño de 12 años Howard Dully a petición de su madrastra. El niño, que no recordaba nada de la operación, no quedó totalmente inútil aunque bastante freaky según su propio testimonio. 40 años después se atrevió a hablar con su padre, investigó su historia, apareció en un renombrado programa de radio y fue coautor del libro llamado Mi Lobotomía.

La licencia médica de Freeman fue retirada cuando su último paciente murió de una hemorragia. Con la llegada de medicamentos antipsicóticos, la lobotomía dejó de usarse para siempre.

El gusano Caenorhabditis elegans controlado por láser mediante optogenética

La neuronas individuales del gusano nemátodo Caenorhabditis elegans pueden ser controladas por pulsos de luz láser mientras se mueve libremente.

El gusano C. elegans es un famoso animal de experimentación del que conocemos su genoma. También sus 302 neuronas. No sólo eso, conocemos todas las 6418 sinapsis que posee, es decir, el detalle exacto de su conectividad así como los músculos que inervan. ¿Cómo se coordinan sus neuronas y cómo gobiernan el centenar de músculos que posee? ¿Cómo se relaciona con el exterior este gusano de 1mm? Un equipo de la Universidad de Harvard liderado por Andrew Leifer ha modificado genéticamente este animal mediante la técnica llamada optogenética.

El objetivo es estimular o inhibir individualmente cada una de sus neuronas mientras el gusano nada en libertad para lo que no se pueden usar los tradicionales electrodos implantados.
Las neuronas del gusano modificado expresan las proteínas channelrhodopsin-2 y halorhodopsin. Estas proteínas responden a la luz convirtiendo al gusano en un biorrobot. La neurona se excita si recibe un pulso de luz azul y se inhibe con un pulso de luz verde.
El entorno es aún más sofisticado ya que el gusano está en libertad, es muy pequeño y sus movimientos son muy rápidos. Los investigadores usan un software llamado CoLBeRT (Controlling Locomotion and Behavior in Real Time). Una cámara registra la posición del gusano a un ritmo de 50 cuadros por segundo y con una precisión de 30 micrones es capaz de estimar la posición de cada una de las 302 neuronas y estimularlas individualmente. Al estimular las neuronas frontales el animal retrocede y al hacerlo con las posteriores avanza. El equipo es capaz incluso de hacer que el gusano ponga huevos (ver vídeo, frame 8.828)

Hasta la fecha las simulaciones neuronales se han intentado con grandes animales (Blue Brain) quizá con la esperanza de llegar antes al hombre. Sin embargo puede resultar muy útil simular un animal entero aunque sea el más pequeño que conocemos. Leifer espera "ser capaz de fabricar un modelo computacional de un sistema nervioso entero". Aunque hay simulaciones parciales de C. Elegans, ninguna ha sido completa.